基于量子行为粒子群算法的生产制造过程优化方法和装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN107730029A(43)申请公布日2018.02.23(21)申请号201710867441.5(22)申请日2017.09.22(71)申请人齐鲁工业大学地址250353山东省济南市大学路3501号(72)发明人姜雪松王润泽逄焕君(74)专利代理机构济南圣达知识产权代理有限公司37221代理人黄海丽(51)Int.Cl.G06Q10/04(2012.01)G06Q10/06(2012.01)G06Q50/04(2012.01)G06N3/00(2006.01)权利要求书2页说明书8页附图1页(54)发明名称基于量子行为粒子群算法的生产制造过程优化方法和装置(57)摘要本发明公开了一种基于量子行为粒子群算法的生产制造过程优化方法，包括以下步骤：以氧气消耗量、重油的消耗量、机器的消耗成本和生产线上炉内气压为优化目标，以时间和资源约束作为约束条件，构建多目标制造过程优化模型；采用量子行为粒子群算法对所述多目标制造过程优化模型进行求解。本发明为生产制造过程的优化提供了一种定量的方式，较之前根据经验的调整方式更为合理，且准确性高，有助于优化资源配置。CN107730029ACN107730029A权利要求书1/2页1.一种基于量子行为粒子群算法的生产制造过程优化方法，其特征在于，包括以下步骤：步骤1：以氧气消耗量、重油的消耗量、机器的消耗成本和生产线上炉内气压为优化目标，以时间和资源约束作为约束条件，构建多目标制造过程优化模型；步骤2：采用量子行为粒子群算法对所述多目标制造过程优化模型进行求解。2.如权利要求1所述的基于量子行为粒子群算法的生产制造过程优化方法，其特征在于，所述多目标制造过程优化模型为：miny＝F(x)＝{f1(x),f2(x),f3(x),f4(x)}所述f1(x),f2(x),f3(x),f4(x)分别表示氧气消耗量、重油的消耗量、机器的消耗成本和生产线上炉内气压四个目标函数。3.如权利要求2所述的基于量子行为粒子群算法的生产制造过程优化方法，其特征在于，其中，氧气消耗量：f1(x)＝minXijkWijk；重油消耗量：f2(x)＝minXijkHijk；机器消耗功率：f3(x)＝XijkPijk；反应炉内的气压：f4(x)＝minXijkQijk；Xijk表示工件i的第j道工序在机器k上执行；Wijk表示表示工件i的第j道工序在机器k上消耗的氧气量；Hijk表示工件i的第j道工序在机器k上消耗的重油；Pijk表示工件i的第j道工序在机器k的消耗的能源；Qijk表示工件i的第j道工序在机器k上生产时候的气压。4.如权利要求1所述的基于量子行为粒子群算法的生产制造过程优化方法，其特征在于，其中，所述时间约束为：同一工件相邻工序间的开始加工时间有先后；所述资源约束为：在同一机台上开始下一个任务前必须完成当前任务，任何机器不能同时加工相同或者不同工序的两个工件。5.如权利要求4所述的基于量子行为粒子群算法的生产制造过程优化方法，其特征在于，所述时间约束表示为：xijk＝xi(j-1)k＝1式中，工序加工时间tijk表示工件i的第j道工序在第k台机器上加工所需要的时间，Sijk表示工件i的第j道工序在第k机台上开始加工的时间。整个式子表示工件i的第j-1道工序必须在第j道工序之前完工。6.如权利要求4所述的基于量子行为粒子群算法的生产制造过程优化方法，其特征在于，所述资源约束表示为：xijk＝xmnk＝1andRijmnq＝1Xijk＝1表示工序Vij在机器k上执行，Rijmnq表示在机器q上工件i第j道工序和工件m第n道工序的加工先后顺序，Rijmnq＝1表示工序j先于工序n。7.如权利要求1所述的基于量子行为粒子群算法的生产制造过程优化方法，其特征在于，所述量子行为粒子群算法具体步骤为：(1)初始化算法参数：粒子种群X、维度大小R，粒子i的位置，最大迭代次数MAXITER，最2CN107730029A权利要求书2/2页优解集L；粒子i所能到达的区域的四个目标函数区域设置为：氧气消耗O(i)，重油消耗G(i)，机器消耗功率M(i)，窑炉内压力S(i)，把四个目标区域定义为四个矩阵，以便下次迭代粒子的更新；(2)根据目标函数，计算每个粒子的适应值；(3)对于每个粒子，选择搜索路径：粒子i(i＝1，2，…，R)按照粒子进化方程在矩阵O(i)、G(i)、M(i)和S(i)中选择下一步的要到达的更新点；所述粒子进化方程为：其中，α为压缩-扩张因子，t为当前迭代次数，u是均匀分布在0和1之间的随机数；Lij为δ势阱的特征长度；Xij(t)和Xij(t+1)分别表示粒子进化前后的位置，M表示粒子群中潜在问题解的群体；(4)对每个粒子，计算该粒子的位置